基于深度哈希算法的图像—文本跨模态检索研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 单模态图像检索研究现状 | 第12-14页 |
| 1.2.2 跨模态检索研究现状 | 第14-15页 |
| 1.3 论文的主要内容及结构安排 | 第15-17页 |
| 1.3.1 本文的研究内容及成果 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 跨模态检索关键技术研究 | 第18-32页 |
| 2.1 基于传统统计相关分析的方法 | 第18-19页 |
| 2.2 基于深度学习的方法 | 第19-26页 |
| 2.2.1 卷积神经网络简介 | 第19-23页 |
| 2.2.2 深度学习框架 | 第23-24页 |
| 2.2.3 基于深度学习的跨模态检索 | 第24-26页 |
| 2.3 哈希方法 | 第26-29页 |
| 2.3.1 局部敏感哈希 | 第27-28页 |
| 2.3.2 跨模态哈希方法 | 第28-29页 |
| 2.4 多标签学习 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 基于深度哈希的图像-文本跨模态检索方法 | 第32-42页 |
| 3.1 问题描述 | 第32-33页 |
| 3.2 多层语义跨模态深度哈希算法 | 第33-38页 |
| 3.2.1 深度特征提取模块 | 第34-35页 |
| 3.2.2 相似度矩阵生成模块 | 第35-37页 |
| 3.2.3 哈希码学习模块 | 第37-38页 |
| 3.3 优化方法 | 第38-40页 |
| 3.4 检索模型 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 多层语义跨模态深度哈希的实验及结果 | 第42-53页 |
| 4.1 实验数据集 | 第42-43页 |
| 4.2 基准方法 | 第43-44页 |
| 4.3 评价指标 | 第44-46页 |
| 4.3.1 准确率和召回率 | 第44-45页 |
| 4.3.2 均值平均准确率 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 深度网络对跨模态哈希检索的影响 | 第53-58页 |
| 5.1 深度特征提取网络 | 第53-56页 |
| 5.1.1 VGG-16网络 | 第53-55页 |
| 5.1.2 ResNet-50网络 | 第55-56页 |
| 5.2 实验结果及分析 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59页 |
| 6.3 本章小结 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
